供給チェーンの定量的原則 (講義 1.6 サマリー)
意味のある 供給チェーン最適化 は、流通の変動性に起因して生じるオプション性を 習得すること であり、この習得は定量分析に共感的です。サプライチェーンの問題も同様に定量的ですが、極めて厄介なものであり、時には非常に奇妙で、従来の分析に反します。観察段階と最適化段階の両方で定量的原則を採用することにより、担当者は多くの不明瞭ながらも予測可能なサプライチェーンの落とし穴を回避できるでしょう。

講義を視聴する
観察の原則
総じて、サプライチェーン担当者が取り組む意思決定や制約の種類は常に定量的であり、例えば 補充 の値、サービスレベル の目標、最小発注数量 といった要素、そして CapEx などが挙げられます。しかし、サプライチェーン自体は直接観察することができません。機械の一部のようにサプライチェーン全体のスナップショットを撮ることはできず、いずれも多数の観察可能な物理的サブパーツから構成され、一般的に物理的な成果物を生み出すからです。
その制約にもかかわらず、サプライチェーンは定量分析に対して非友好的ではありません。むしろ、サプライチェーンの定量分析は、いくつかの教育的でありながらも議論の余地がある直感に反する観察結果を明らかにします.
サプライチェーンの問題は正規分布していない
もしかすると残念ながら、サプライチェーンの問題は正規分布に従う傾向がなく、そのため最適化を試みる際に多くの組織的な困難が生じます。正規分布の場合、多くの小規模で独立した要因が、ある値に対して(例えば多くなる・少なくなる、上昇する・下降する)影響を与えることができます。言い換えれば、正規分布は多数の小さなランダムな変動によって、ある値が増減する結果として現れます1.
しかし、サプライチェーンの問題は、多数の小規模で独立した要因ではなく、むしろ少数の大きなシステム的要因から生じることが多いです。これらの要因には以下が含まれます:
-
需要の変動性:製品の需要は非常に変動しやすく、季節的な傾向、経済状況、マーケティングキャンペーンなど多岐にわたる要因の影響を受けます。この変動性は、品切れ や在庫過剰といった問題を引き起こすことがあります.
-
供給業者の信頼性:供給業者のパフォーマンスはサプライチェーンに大きな影響を与え、供給業者の信頼性の変動は、遅延配送や品質問題などのトラブルにつながります.
-
物流の混乱:輸送の遅延、通関での停滞、または自然災害といった問題は、サプライチェーンに重大な混乱を引き起こす可能性があります.
上記の問題はサプライチェーンの継続性(および最適化)に対する些細な脅威ではなく、むしろ極端に大きく、厄介な問題であり、非常に大きな影響を及ぼす可能性があります.
さらに、サプライチェーンの問題はしばしばある程度の_歪み_を示し、予測可能な平均値の周りに対称的に分布するのではなく、通常、いくつかの主要な問題が大部分の障害を引き起こします。多くの場合、これらの問題は「ロングテール」、すなわち多数の異なる問題がまれに発生するという特性も示します.
サプライチェーンに内在する相互依存性やフィードバックループ(例えば、現時点の在庫レベルが将来の発注決定にどのように影響するか)が、問題の発生が正規性から逸脱する一因となっています。このような非線形で複雑なシステムは、他の統計モデル(以下のセクションで詳述)によってより正確に記述されます.
頻度と順位の逆相関関係
サプライチェーンの問題(および一般的な値)を精査するためのより良い定量モデルは、ジップの法則です。簡単に言えば、ジップの法則には2つの主要な要素があります:
-
データセット中のごく一部の値は非常に頻繁に現れるのに対し、大部分の値はめったに現れません.
-
ある値の出現頻度は、その順位に反比例します.
教科書における単語の出現頻度を考えてみてください。定冠詞・不定冠詞を持つ言語で書かれた本では、最も一般的な単語はおそらく_the_でしょう。2番目に頻繁に現れる単語は_of_ であり、その出現頻度は_the_ のおおよそ半分になります。この傾向は順位下位に向かって続いていきます2.
関連する小売業の例として、カタログ内のごく少数の商品が売上の大部分を占める一方で、その他の多数の商品はまれにしか売れないという発見があります。このパターン―数少ない「ヒット」と多数の「ミス」―はジップ分布と一致します。これは、効果の約80%が原因の20%から生じるという_パレートの法則_に類似した概念です。ここで述べた非対称性は、実際、在庫管理システム、例えば ABC や ABC-XYZ の原動力となっています。しかし、パレート分布とジップ分布には、解明する価値のある重要な違いがいくつか存在します.
-
パレート分布:広範なカタログを持つオンライン小売企業を想像してください。サプライチェーン部門は、企業の収益の80%が提供商品のわずか20%によって生み出されていることを発見し、結果としてリソースはこれらの人気商品の在庫維持に注がれるべきだと示唆するかもしれません。これは有用な一般的指針となり得るものの、どのSKUが最も多くの収益を生み出したかを単に特定するだけでは、部門が売上データを適切に分析するための解像度に欠けています.
-
ジップ分布:もし同じサプライチェーン部門がジップ分布を利用した場合、分析に興味深いさらなる粒度の層が加わるでしょう。すべての売上とその頻度を調査することで、パレート分布では見落とされがちなパターンをチームは見出すかもしれません。例えば、家電や家庭用機器が確かにトップパフォーマーである一方で、本や衣料品などの他の製品カテゴリも、単体では大きな利益率を寄与しないにもかかわらず、総売上にかなりの額を寄与していることが分かるかもしれません。ジップ分布は、カタログ内の製品間に、例えば「なぜ」3番目に人気のある製品が最も人気のある製品の収益のおおよそ3分の1を寄与しているのか、といった探求する価値のある潜在的関係も明らかにするでしょう.
少数の暴政
ジップ分布は、特にごく少数の原因により非常に大きな負の影響が生じる状況において、明示的なサプライチェーンの問題を定量化する際に最も顕著に現れます.
例えば、B2B企業が最大の供給業者を失った場合の負の影響を考えてみてください。特に、その供給業者がB2B企業の2番目に大きな供給業者の2倍の貢献をしている場合、その損失は大きな影響を及ぼします。同様に、2大クライアントを失えば、最大クライアントの約3分の1の購買力しか持たない3番目のクライアントを考えると、収益は著しく落ち込みます.
重要なのは、もしサプライチェーンの問題が正規分布していたならば、より予測可能であり、標準的な緩和策で十分対応できたはずだということです。しかし、ここで述べたように、わずかな重大な問題が大部分の混乱を引き起こすという事実は、担当者がこれらの大きな影響を持つ問題の特定と緩和にリソースを集中すべきであることを意味します。これは、より戦略的で、積極的かつ全体論的なサプライチェーン管理のアプローチを要求します.
最適化の原則
人間の観察に伴う偏見という困難な領域を乗り越えた後、サプライチェーン最適化の段階に踏み出すこともまた、多くの障壁に直面します。サプライチェーン最適化の取り組みは、ソフトウェア面(例:ERPを参照)だけでなく、ウェットウェア、すなわち_受け継がれた知恵_の面でも、数多くのバグが潜んでいます.
ソフトウェアの問題、例えばハイゼンバグは、通常、プログラムの反復的な実行によって解決されます。しかし、ウェットウェアのバグは、その多くがハードコードされているという不思議な特性を持ち、追加のデプログラミング作業を必要とします.
長期にわたるサプライチェーンに潜む知恵
数十年にわたって存続してきたサプライチェーンは、最低限の基礎知識を蓄積しています。20年以上も機能している企業で、有用な戦略や経験則に少なくとも偶然出会っていないところは想像しがたいものです。そのため、現存する慣行や運用規範は、企業を正しい方向(全体的な純利益)に導く一種の準最適性を体現しているものの、なお大きな不完全性を伴っています3.
まるで川が山脈を削るように、そのような知恵は一つの原動力に縛られる傾向があります。同様に、重力が川を堆積物の中へ引き寄せるように、長期にわたるサプライチェーンは、サービスレベルの向上や死蔵在庫の削減といった単一のKPIを追求するために引きずられがちです。これらは一見合理的な目標に見えますが、暗黙のうちにサプライチェーンを互いに切り離された個別のバンドルへと還元し、各要素を_個別に_調整できる状態にしてしまいます.
これにより、サプライチェーン最適化が単純な二元論的に表現される_ブール的思考_へと陥ります。次の例を考えてみてください:
-
サービスレベルが向上すれば、サプライチェーンは改善されたに違いない。 もちろん、これはサービスレベルの向上が_通常_、全体の在庫レベルの増加(非定量的なサプライチェーン最適化を前提)を伴うという事実を見落としています。在庫レベルの増加は、一般に死蔵在庫の拡大を招き、結果として純利益の減少に繋がります.
-
死蔵在庫レベルが低下すれば、サプライチェーンは改善されたに違いない。 同様に、この短絡的な最適化の見方は、在庫水準の削減がサービスや顧客満足度の目標に与える影響を無視しており、その結果、購買(およびしばしば顧客ロイヤルティ)に悪影響を及ぼす可能性があります.
このような長期のサプライチェーンは、一方向の準最適性 を有しており、少しの知識ですら非常に危険になりえます。サプライチェーンが_準成功_の方向にデフォルトしていることが、それらの存続を助け、最適とは言えない慣行を固定化する原因となっているのです.
壮大な一方向の改善は、真摯な努力の不足によるものではなく、むしろ現代のサプライチェーンに内在する広大でシステミックかつ相互に連関する複雑性への配慮の欠如によって、しばしば失敗と隣り合わせになる傾向があります.
ローカル最適化の誤謬
サプライチェーンのような広範かつ相互依存性のあるシステムを最適化する上で基本となるのは、局所的な最適化は問題を解決するのではなく、単に問題を他所に移すに過ぎない という理解です。前述のとおり、局所的(ここでは「個別に」という意味)のサプライチェーン問題を最適化すると、均衡が崩れ、サプライチェーンの他の部分に望ましくない副作用を生むのが常です.
30年前のコンピューターにSSD (Solid State Drive) を搭載してもシステム全体のメモリ(またはパフォーマンス)が向上しないのと同様4、サプライチェーンネットワーク(または_サプライチェーンシステム_)の最適化は、エンドツーエンドのシステム全体のプロセスなのです.
この概念は小売業において明確に表れています。複数の店舗からなる小売ネットワークでは、各店舗の在庫レベルを最適化しよう(場合によっては手動で)という直感が働くかもしれません。さらに、ネットワーク内の最も売れている店舗に優先的にリソースを配分することさえ考えられます.
しかし、そのようなアプローチは、これらの店舗にサービスを提供する流通センターというより広いネットワークや、在庫を配分する際に他店舗への影響を考慮しないという下流側の結果を十分に考えていません。ある店舗に狭く焦点を当てることは、その店舗のパフォーマンスを向上させるかもしれませんが、他店舗にとっては逆効果となる可能性があります.
また、これは小売における在庫配分の根本的な課題、すなわち、全体のシステムパフォーマンスを最適化するために特定のユニット/SKUが_最も必要とされる場所_を特定するという点を見落としています.
したがって、小売在庫配分の最適化は、システムレベルでのみ意味をなす問題であり、全体的・システム全体の視点の重要性を強調しています5.
優れた成果のための問題の再定義
古典的な教育(およびベンダーの提案)は、問題はあらかじめ優れた解決策によって解決されるべきものだと提示します。一見すると、2点間の最短距離が実際に直線であることを考えれば、これは全く合理的に思えます。しかし、この心地よい直線的アプローチは問題を過度に単純化し、本質的にそもそも**これら二点を結ぶべきだ**と仮定しているのです.
サプライチェーンの最適化に伴うさまざまなコストを考慮すると、これは些細な哲学的観察ではありません。理論と実践の両面において、問題をより深く理解することは、(短期的な視点では)十分に理解されていない問題に対する優れた解決策に勝るのです.
教科書的な例は需要予測の問題です。サプライチェーンのベンダーや学者は、需要を定量化し(それによって在庫レベルを設定するための)理想的な解決策として、先進的な時系列予測ツールを提案するかもしれません。一見すると、これは直感的に理解できるように思えます。つまり、企業が需要を正確に予測できないなら、より優れた需要予測ソフトウェアが適しており、2点が直線(に近い形で)で結ばれるのです6.
これは過度に直線的な考え方であり、実際の需要予測の困難さの原因を発見するというサプライチェーン上の問題とは、かなり直交している可能性があります。物流の非効率、信頼できないサプライヤー、または不適切な小売在庫配分方針など、他の根本的な問題が変動の要因であることは十分に考えられます。
サプライチェーンの赤信号に突入するのではなく、自身の問題を再定義することで、サプライチェーン最適化の正しい方向性が定まり、短期的な応急処置から帯域(およびリソース)を転用することが可能になります。
注釈
-
身長は正規分布(またはガウス分布)の典型例です。これは、身長が多くの独立した遺伝的および環境的要因の影響を受け、平均値を中心とした対称的な_ベルカーブ_を形成するためです。中心極限定理によれば、多くの独立かつ同一に分布した乱数の和は正規分布に従う傾向があります。その結果、ほとんどの個人が平均身長付近に集中し、極端な(非常に低いまたは非常に高い)個人は少なく、典型的なベルカーブが生じます。 ↩︎
-
先の身長の例(多くの独立した遺伝的およびエピジェネティックな力の影響を受ける現象)とは対照的に、Zipf分布は_順位付けされたデータ_(都市の人口や単語の出現頻度など)に適用され、順位と頻度が反比例の関係にあります。身長は比較や順位付けの測定値ではないため、Zipf分布には従いません。例えば、一般的な集まりにおいて、最も背の高い人が二番目に背の高い人の2倍、あるいは10番目の人より桁違いに高いということはありません。 ↩︎
-
一見すると、定量的サプライチェーン理論は人間の知恵の_価値_を否定するものではありません。実際、この哲学はウォーレン・バフェットのように、超常的な正確さで消費者需要を予測できる個々の先見の明の可能性に対して全く中立的です。たとえそのような極端な例が一般的であったとしても、このアプローチに対する主要な批判―すなわち、直感はスケールしないし、おそらく直感に基づく判断が最善の精神的応用を示すものではない―は覆されることはありません。これらの制約と、こうした人々がサプライチェーンにおけるプロメチウムに相当するという事実を考えれば、これは大規模で地理的に分散したサプライチェーンネットワークの最適化を議論する際の純粋に学術的な問題と言えます。 ↩︎
-
30年前のコンピュータは、現代のSSDと互換性のないハードウェアおよびオペレーティングシステムを搭載している可能性がほぼ確実です。たとえSSDを何とか受け入れたとしても、時代遅れのCPU、RAM、およびバス速度が性能向上を著しく制限するでしょう。また、OSがTRIMなどのSSD機能をサポートしていない場合、SSDの寿命が短くなる恐れがあります。ソフトウェアやハードウェアの互換性の問題は、誤作動、データの破損、または完全な動作不能といったさらなる問題を引き起こす可能性があります。要するに、これは家庭で試さないでください。 ↩︎
-
この原則は、単に地理的な意味だけでなく、サプライチェーン内全体に論理的に適用されるという点に留意することが重要です。良い例として、エレクトロニクスのライフサイクルが挙げられます。スマートフォンなどのデバイスは、導入、成長、成熟、衰退という4段階のサイクルのそれぞれに存在する傾向があります。単一の段階だけを孤立して最適化しようとすることは、全体の製品ライフサイクルにとってマイナスとなります。たとえば、デバイスの販売が安定する_成熟_フェーズのみを最適化し、衰退フェーズにおける在庫管理の失敗がもたらす下流の影響を無視することは致命的です。 ↩︎
-
この概念は、講義でルート最適化の例を用いて文字通り実証されています。確かに、文脈としてヴェルモレルはルート最適化をサプライチェーンのパターンの例として使用していますが、それは同時に問題を再定義するための比喩としても機能します。つまり、ルート最適化は単一のルートに限定されるものではなく、各ルートのシステム全体にわたる理解と、なぜそのルートが最適化しにくいのかという理由の把握を意味します。例えば、なぜ一部の配送ホットスポットは年間を通じて変動するのか? なぜパリのピークトラフィック時間には季節性があるのか? といった、より良い問いを立てることで、対策に着手する前に本当に重要な問題を明確に特定することができるのです. ↩︎